基于数据挖掘技术的电信行业客户关系管理

客户世界 | 2015年7月12日 | 2006年 | 评论已关闭 | 2009

客户世界|李勇宋加山季风|2006-07-21

国内电信市场的不断壮大和繁荣，人们对通讯产品的认知水平和消费能力不断提高，虽然给各家电信企业提供了前所未有的发展空间和机会，但也使得各家电信企业都不得不直接面对以下两方面问题：

1、客户流失率不断增大
随着电信行业的迅速发展，客户选择电信产品及电信企业的余地越来越大，市场竞争不断加剧，电信企业之间对客户的争夺将越来越激烈。而在竞争中受益的客户对服务的要求也越来越高，但传统的网络和技术等优势难以在电信企业之间拉开差距，无法形成差异化的竞争优势。据调查显示用户保持率增加5％，就能为运营商带来85％的利润增长。

2、恶意欠费比例偏高
由于我国电信企业提供的是电话通话等信息类服务，所以大多采取先消费后付款的营销方式。在没有适当监管、控制措施的情况下，时常发生恶意欠费等行为，据中国信息产业部资料统计，2003年中国因电信欺诈等造成的损失超过240亿元人民币，户均60元以上。而且这个数字仍以每年20％的速度增长。恶意欠费正成为电信企业亟待解决的难题之一。为此各营运商想尽对策，但是在国内信用经济氛围以及相关法律制度尚未完善的今天，收效甚微。

3、市场容量增长趋缓
一份信息产业部的统计研究表明，2005年中国电信业的主要特点是：电话用户增长放慢、收入增长趋缓、投资减少、行业整体效益提升。2005年电信行业的营业收入增长率首次低于GDP增长率。面对新用户资源趋于枯竭的市场局面，各大电信运营商不可避免的陷入“价格战”，这种“囚徒困境”的博弈结果只会让彼此都遍体鳞伤，而不会带来整体业绩的提升。

这些问题的存在，迫使电信企业必须改变原有经营模式，必须更深入了解和识别客户，引导和留住客户，实行全面的以客户为中心的经营方针，培育和创造出新的差异化的竞争优势。电信企业这种迫切的需求必然促进了数据挖掘技术在电信行业的广泛应用和推广。

数据挖掘技术在电信业的应用
数据挖掘（Data Mining），也叫知识发现、数据开采等，是指是从大量数据中，提取正确的、新颖的、潜在有用的并能够被理解的知识的过程。数据挖掘能进行分类预测、聚类分析、关联规则和序列模式的发现、相关分析、异常监测和趋势分析。

作为信息化方面一直处于领先地位的电信业，一方面在长期的经营中积累了海量的客户数据，同时业务经营迫切需要从浩如烟海的数据中获得更多的/更有价值的客户特征信息。因此，数据挖掘在电信行业得到了广泛重视和大力发展。

国外知名的电信运营企业都已经建立了基于数据挖掘的商业智能系统：如英国电信采用数据挖掘手段，建立模型来确定潜在客户的购买倾向和他们变为客户之后可能的价值；法国电信利用数据挖掘技术在预防欺诈、客户流失分析和预测、交叉销售等各方面都取得很多成果；达沃丰利用数据挖掘技术建立模型研究客户离网的原因，并从不同的角度来进行市场细分。

国内电信业前几年的发展目标主要是抢占市场，技术领域主要是业务运营支撑系统BOSS的更新换代，但是近年来，山西电信、杭州电信、云南电信等电信企业也意识到挖掘历史数据对于降低坏帐损失，识别和防范恶意欠费行为的重要性，已经着手建立对自己所掌握的客户信息进行挖掘的智能化信息平台。

图1 客户风险预警系统

建立电信客户风险预警系统

客户对电信企业的潜在风险可以理解为两个部分：
客户流失使得企业的期望收益减少；
客户恶意欠费造成企业的呆帐损失增加。

电信客户风险预警系统正是基于此基本原理，结合我国通讯营运商营销管理业务的现状，应用国际前沿数据挖掘理论建立起来一套科学的、完整的客户风险管理体系。将风险预测分析技术应用于电信行业数据，分析和预测客户的消费行为特征，通过数据挖掘模型给出客户的离网概率和违约（恶意欠费）概率。从而为建立用户离网和欠费预警机制提供客观的、可靠的数据支撑，为制定更好的客户服务策略提供决策支持，发现并有效识别恶意欠费行为，降低企业的呆坏账损失。同时，模型结果也有助于细分目标客户，挖掘优质客户，实施差别营销策略，提高客户的每用户平均收益（ARPU）、每用户平均业务量(MOU)提供更多智能化决策支持。

客户风险预警系统需要遵循分步骤、多阶段的原则进行总体设计和部署，其系统结构及实施过程如下图所示：

图2 客户风险预警系统结构和实施过程

建立系统模型是系统实施的核心步骤之一，也是问题的关键所在，主要有以下几个步骤：
1、基于已经整合好的样本数据，首先进行探索性分析，得到样本数据的基本统计特征。该部分将要用到的技术主要有：多元方差分析、路径分析和因子分析等统计方法。

2、离网概率预测模型
通过Logistics回归和BP神经网络方法分别建立模型，预测特定客户的离网概率，并得到影响客户忠诚度的因素及其影响作用大小。

3、欠费欺诈预警模型
重点分析客户缴费行为数据，得到其基本信用特征。将主要采用时间序列建模方法，如Garch、Arch以及AMAR等。并根据违约概率等结果，采用分类树、多维尺度分析等方法，将客户划分成不同特征的群组，并分别制定欠费催收策略。

图3 系统模型结构

建立客户风险预警系统是电信行业竞争白热化的结果，是电信行业发展到一定阶段的必然趋势，其必将从以下几个方面给电信企业带来新的竞争优势：

1. 实现管理智能化，增强国际竞争力
随着中国电信业的改革和重组以及加入WTO电信市场的对外开放，市场环境发生了根本性的变化，逐步形成了由一家电信运营商垄断到数家大运营商主导、众多小运营商参与、电信市场日益开放的竞争新格局。电信企业必须适应时代变革要求，用现代科学管理方法实现管理智能化，才能提高我国电信业的国际竞争力。

2. 降低坏帐损失，提高风险预警机制
在国内信用经济氛围以及相关法律制度尚未完善的今天，各营运商使出人工催欠、语音催欠、法律催欠等各种奇招均收效甚微的情况下。我们只能依靠科学技术手段建立信用风险管理模型来迅速、准确地确定目前和潜在客户的信用风险，识别和防范恶意欠费行为，可以很好的控制企业的信用风险。

3．挖掘优质客户，实行差别策略
挖掘优质客户是数据挖掘技术在电信企业客户风险管理管理中的一个重要应用，市场营销部门将风险预测分析技术应用于业务中，细分目标客户群体，挖掘优质客户，针对不同客户群体实施差别策略，既能有效地发挥优质客户巨大的潜在价值，又能提高客户挽留的成功率，最终实现增量又增收、企业健康快速发展的目标。

本文刊载于《客户世界》2006年6月刊；作者李勇为中国科技大学管理学院博纳数据挖掘中心副主任；宋加山为博纳数据挖掘中心高级研究员；季风为博纳数据挖掘中心高级研究员。

责编：admin